智能視頻監(jiān)控中運動目標檢測與跟蹤算法的研究.pdf

1、作為一個涉及計算機視覺、圖像處理、智能控制等多門學科的研究前沿，智能視頻監(jiān)控技術(shù)已經(jīng)成為國內(nèi)外計算機視覺研究領(lǐng)域熱點問題之一，它的研究有著非常重要的科學意義和極其廣闊的應用前景。運動目標的檢測與跟蹤作為智能視頻監(jiān)控最關(guān)鍵技術(shù)之一，其待解決問題的挑戰(zhàn)性和技術(shù)復雜性吸引著、鼓勵著眾多計算機視覺研究人員投入該科研行列，并且每年提出的創(chuàng)新算法性能都顯著提升。但是實際應用中，運動目標檢測與跟蹤仍然存在許多挑戰(zhàn)和難點問題，這些都值得我們進一步分析、

2、研究與探討。鑒于此，本文展開了對智能視頻監(jiān)控關(guān)鍵技術(shù)的研究。
　　首先，論文簡要回顧了智能視頻監(jiān)控技術(shù)的研究現(xiàn)狀和發(fā)展趨勢，深入探討了智能視頻監(jiān)控的關(guān)鍵技術(shù)和難點問題，并闡明了選題的背景和意義。接著，詳細研究了本文用到的數(shù)字圖像處理的基本理論知識，包括圖像灰度化、顏色模型、圖像去噪、直方圖均衡化及數(shù)學形態(tài)學理論等。以上這些基礎(chǔ)理論的研究為后續(xù)章節(jié)深入討論視頻圖像中運動目標檢測與跟蹤技術(shù)奠定了基礎(chǔ)。
　　其次，本文對光流法、背

3、景減除法、幀差法這三種運動目標檢測算法分別進行了分析。綜合比較這三種方法的優(yōu)缺點之后，提出了一種結(jié)合背景減除和時空熵的對稱差分目標檢測算法。本文選用標準視頻測試序列“hall_monitor”以及“Intelligentroom”來驗證算法的有效性。對比傳統(tǒng)對稱差分，本文改進之后的對稱差分算法有很好的去噪能力，在目標檢測的完整度上有很大的提高，有效地避免了目標檢測的“鬼影”現(xiàn)象，極大地提升了運動目標檢測的效率，并且能夠很好地克服光照變化

4、等環(huán)境噪聲的影響。
　　然后，從算法原理角度出發(fā)，介紹了運動目標跟蹤的四大類型算法，并探討了當前目標跟蹤的技術(shù)難點。在這些理論的基礎(chǔ)上，深入研究了均值偏移(Mean Shift)與粒子濾波(Particle Filter)兩種經(jīng)典算法。均值偏移算法具有很好的實時性，但魯棒性較差;粒子濾波算法跟蹤準確性很強，但計算量較大和粒子退化現(xiàn)象制約其實時性。針對它們各自的優(yōu)缺點，本文提出了一種融合Mean Shift的粒子濾波目標跟蹤算法。該

5、算法利用MeanShift的聚類分析作用，提高了粒子采樣效率，有效抑制粒子退化現(xiàn)象;而且，在算法實現(xiàn)過程中加入了目標模板更新環(huán)節(jié)，很好地解決了目標遮擋問題，在保證跟蹤效果的前提下大大降低了粒子濾波的計算量，使得其被應用于實時監(jiān)控系統(tǒng)成為可能。
　　最后，在MATLAB7.10環(huán)境下，對PETS2001中的視頻測試序列“CAMERA1”進行了仿真實驗。通過結(jié)果分析，本文提出的新算法在粒子數(shù)較少、執(zhí)行時間不到傳統(tǒng)粒子濾波1/3的條件下